Funktion "Speckle"

Überblick

Die Funktion "Speckle" entfernt Speckle in Radar-Datasets und glättet Rauschen, wobei Kanten und scharfe Features im Bild erhalten bleiben. Speckle ist das Hochfrequenzrauschen auf Radarbildern. Mit Lasern, Ultraschall und SAR-Systemen (Synthetic Aperture Radar) generierte Bilder enthalten aufgrund der Interferenzen von den zurückgegebenen elektromagnetischen Wellen, die von Oberflächen oder Objekten verteilt werden, Speckle-Rauschen. Die Funktion "Speckle" verwendet mathematische Modelle, um die hellen und dunklen Punkte, die aufgrund von Interferenzen entstehen, auszufiltern und so eine bessere Bildinterpretation zu ermöglichen.

Hinweise

Die Glättungsalgorithmen in der Funktion "Speckle" reduzieren und filtern Speckle mit den Filtertypen "Lee-Filter", "Erweiterter Lee-Filter", "Frost-Filter", "Kuan-Filter", "Gamma MAP" und "Optimierter Lee-Filter".

Um Speckle so gut es geht zu entfernen, können Sie Folgendes versuchen:

• Die Filtergröße hat einen großen Einfluss auf die Qualität von verarbeiteten Bildern. Der Filter der Größe 7x7 liefert normalerweise gute Ergebnisse bei moderater Glättung.
• Mit Anzahl von Looks wird die Rauschvarianz geschätzt. Außerdem wird so das Ausmaß an Glättung, die mit dem Filter auf das Bild angewendet wird, effektiv gesteuert. Ein kleinerer Wert erzeugt eine stärkere Glättung, während bei einem größeren Wert verschiedene Bild-Features in höherem Maße beibehalten werden.
• Wenden Sie eine Histogrammstreckung an, um den Kontrast oder die Helligkeit des Bildes anzupassen.

Parameter

Parameter	Beschreibung
Raster	Das Eingabe-Raster.
Filtertyp	Gibt den Filtertyp an, der im Glättungsalgorithmus verwendet wird, um Speckle-Rauschen zu entfernen: Lee: Reduziert das Rauschen durch Speckle, indem ein räumlicher Filter auf die einzelnen Pixel in einem Bild angewendet wird. Damit werden die Daten auf Grundlage von lokalen Statistiken gefiltert, die innerhalb eines quadratischen Fensters berechnet werden. Dieser Filter ist hilfreich, wenn Sie Daten mit Speckle sowie einer additiven oder multiplikativen Komponente glätten möchten. Dies ist die Standardeinstellung. Erweiterter Lee-Filter: Eine überarbeitete Version des Lee-Filters mit Dämpfungsfaktor und Anzahl von Looks. Dieser Filter ist hilfreich, wenn Sie Speckle reduzieren und gleichzeitig Informationen zur Textur beibehalten möchten. Frost: Reduziert Speckle-Rauschen mit einem exponentiell gedämpften, kreisförmig-symmetrischen Filter, der lokale Statistiken in einzelnen Filterfenstern verwendet. Dieser Filter ist hilfreich, wenn Sie Speckle reduzieren und gleichzeitig Kanten in Radarbildern beibehalten möchten. Kuan: Ähnlich wie beim Lee-Filter wird von diesem Filter ein räumlicher Filter auf die einzelnen Pixel in einem Bild angewendet. Damit werden die Daten auf Grundlage von lokalen Statistiken gefiltert, die innerhalb eines quadratischen Fensters berechnet werden. Dieser Filter ist hilfreich, wenn Sie Speckle reduzieren und gleichzeitig Kanten in Radarbildern beibehalten möchten. Gamma MAP: Zur Reduzierung des Rauschens durch Speckle wird eine Bayes'sche Analyse und ein Gamma-Verteilungsfilter angewendet. Dieser Filter eignet sich zum Reduzieren von Speckle, während Kanten beibehalten werden. Optimierter Lee-Filter: Auf ausgewählte Pixel wird ein räumlicher Filter angewendet, um das Rauschen durch Speckle basierend auf lokalen Statistiken zu reduzieren. Für diesen Filter wird ein nicht quadratisches Filterfenster verwendet, um die Richtung von Kanten anzupassen. Dieser Filter eignet sich zum Reduzieren von Speckle unter Beibehaltung von Kanten.
Filtergröße	Gibt die Größe des Pixelfensters für das Filtern von Rauschen an: 3x3 5x5 7x7 9x9 11x11 Die Standardeinstellung ist "3x3".
Rauschmodell	Gibt den Typ des Rauschens an, durch das die Qualität des Radarbildes beeinträchtigt wird: Multiplikatives Rauschen: Zufallssignalrauschen, das während der Erfassung oder Übertragung in das relevante Signal multipliziert wird. Additives Rauschen: Zufallssignalrauschen, das während der Erfassung oder Übertragung in das relevante Signal addiert wird. Additives und multiplikatives Rauschen: Beide Rauschmodelle. Dieser Parameter ist nur gültig, wenn für Filtertyp die Einstellung Lee ausgewählt wurde. Der Standardwert ist Multiplikatives Rauschen.
Rauschvarianz	Gibt die Rauschvarianz des Radarbildes an. Dieser Parameter ist nur gültig, wenn für Filtertyp die Einstellung Lee und für Rauschmodell die Einstellung Additives Rauschen oder Additives und multiplikatives Rauschen ausgewählt wurde. Der Standardwert ist 0,25.
Additives Rauschen – Mittelwert	Gibt den Mittelwert des additiven Rauschens an. Ein größerer Rauschmittelwert erzeugt eine geringere Glättung, während ein kleinerer Wert zu einer umfassenderen Glättung führt. Dieser Parameter ist nur gültig, wenn für Filtertyp die Einstellung Lee und für Rauschmodell die Einstellung Additives und multiplikatives Rauschen ausgewählt wurde. Der Standardwert ist 0.
Multiplikatives Rauschen – Mittelwert	Gibt den Mittelwert des multiplikativen Rauschens an. Ein größerer Rauschmittelwert erzeugt eine geringere Glättung, während ein kleinerer Wert zu einer umfassenderen Glättung führt. Dieser Parameter ist nur gültig, wenn für Filtertyp die Einstellung Lee und für Rauschmodell die Einstellung Multiplikatives Rauschen oder Additives und multiplikatives Rauschen ausgewählt wurde. Der Standardwert ist 1.
Anzahl von Looks	Gibt die Anzahl von Looks des Bildes an, wodurch die Bildglättung gesteuert und die Rauschvarianz geschätzt wird. Ein kleinerer Wert erzeugt eine stärkere Glättung, während bei einem größeren Wert mehr Bild-Features beibehalten werden. Dieser Parameter ist nur gültig, wenn für Filtertyp die Einstellung Lee-Filter und für Rauschmodell die Einstellung Multiplikatives Rauschen oder wenn für Filtertyp die Einstellung Erweiterter Lee-Filter, Kuan oder Gamma MAP ausgewählt wurde. Der Standardwert ist 1.
Dämpfungsfaktor	Gibt den Grad des exponentiellen Dämpfungseffekts auf die Filterung an. Ein größerer Dämpfungswert behält Kanten in größerem Maß bei und führt zu einer geringeren Glättung, während ein kleinerer Wert eine umfassendere Glättung erzeugt. Der Wert 0 führt zur selben Ausgabe wie ein Tiefpass-Filter. Dieser Parameter ist nur gültig, wenn für Filtertyp die Einstellung Erweiterter Lee-Filter oder Frost-Filter ausgewählt wurde. Der Standardwert ist 1.

Weitere Informationen zu Filtern

Im folgenden Abschnitt finden Sie technische Informationen zu einigen Filtern.

Lee-Filter

Der Lee-Filter reduziert Rauschflecken, indem ein räumlicher Filter auf jedes Pixel in einem Bild angewendet wird, der die Daten auf Grundlage von lokalen Statistiken filtert, die innerhalb eines quadratischen Fensters berechnet werden. Der Wert des mittleren Pixels wird durch einen Wert ersetzt, der mit den benachbarten Pixeln berechnet wurde. Mit dem Lee-Filter können Sie additives Rauschen, multiplikatives Rauschen oder beides reduzieren. Verwenden Sie den Lee-Filter, um Daten mit Speckle sowie einer additiven oder multiplikativen Komponente zu glätten.

Algorithmen für den Lee-Filter

Rauschmodell	Algorithmus	Variablendefinitionen
Additives Rauschen	Wert der gefilterten Pixel = LM + K * (PC - LM) wobei gilt: K = LV / (LV + AV)	PC: Mittlerer Pixelwert des Fensters K: Gewichtungsfunktion LM: Lokaler Mittelwert des Filterfensters LV: Lokale Varianz des Filterfensters M: Multiplikatives Rauschen – Mittelwert A: Additives Rauschen – Mittelwert AV: Additive Rauschvarianz MV: Multiplikative Rauschvarianz SD: Standardabweichung des Filterfensters NLooks: Anzahl von Looks
Multiplikatives Rauschen	Wert der gefilterten Pixel = LM + K * (PC - M * LM) wobei gilt: K = M * LV / ((LM * LM * MV) + (M * M * LV)) MV = 1/NLooks
Additives und multiplikatives Rauschen	Wert der gefilterten Pixel = LM + K * (PC - M * LM - A) wobei gilt: K = M * LV / ((LM * LM * MV) + (M * M * LV) + AV) MV = (SD / LM)^2

Hinweis:

Der Wert Additives Rauschen - Mittelwert liegt normalerweise bei 0. Der Wert Multiplikatives Rauschen - Mittelwert liegt normalerweise bei 1.

Erweiterter Lee-Filter

Der erweiterte Lee-Filter ist eine optimierte Version des Lee-Filters, mit dem das Rauschen durch Speckle effektiv durch das Beibehalten von Bildschärfe und Details reduziert wird. Dafür sind ein Wert für Dämpfungsfaktor und ein Wert für Anzahl von Looks erforderlich. Verwenden Sie den erweiterten Lee-Filter, um Speckle zu reduzieren und gleichzeitig Informationen zur Textur beizubehalten.

Algorithmus für den erweiterten Lee-Filter

Algorithmus	Variablendefinitionen
Der gefilterte Pixelwert hängt von bestimmten Bedingungen ab. Wenn CI <= CU, dann PF = LM Wenn CU < CI < Cmax, dann PF = LM * K + PC * (1 - K) Wenn CI >= Cmax, dann PF = PC wobei gilt: CU = 1/Quadratwurzel (NLooks) Cmax = Quadratwurzel (1 + 2/NLooks) CI = SD/LM K = e^(- D (Ci - CU) / (Cmax - CI))	PF: Gefilterter Pixelwert PC: Mittlerer Pixelwert des Fensters LM: Lokaler Mittelwert des Filterfensters SD: Standardabweichung des Filterfenster: NLooks: Anzahl von Looks D: Dämpfungsfaktor CU: Rauschvariationskoeffizient Cmax: Maximaler Rauschvariationskoeffizient CI: Bildvariationskoeffizient

Frost-Filter

Der Frost-Filter reduziert Rauschflecken und behält wichtige Bild-Features an den Kanten bei, wobei ein exponentiell gedämpfter, kreisförmiger, symmetrischer Filter angewendet wird, der lokale Statistiken innerhalb einzelner Filterfenster verwendet. Für den Frost-Filter ist ein Dämpfungsfaktor erforderlich. Verwenden Sie den Frost-Filter, um Speckle zu reduzieren und gleichzeitig Kanten in Radarbildern beizubehalten.

Szenenreflexion ist ein wichtiger Faktor, der den Frost-Filter vom Lee- und Kuan-Filter unterscheidet. Sie wird durch Kombinieren des beobachteten Bildes mit der Impulsantwort des SAR-Systems berechnet.

Algorithmus für den Frost-Filter

Algorithmus	Variablendefinitionen
Die Implementierung dieses Filters besteht darin, einen kreisförmig symmetrischen Filter mit einem Satz Gewichtungswerten K für jedes Pixel zu definieren. K = e ^(- D * (LV/LM * LM) * S) Der sich ergebende Grauwert des gefilterten Pixels ist (P1 * K1 + P2 * K2 + ... + Pn * Kn) / (K1 + K2 + ... + Kn)	S – Absoluter Wert der Pixelentfernung vom mittleren Pixel zu seinen Nachbarn im Filterfenster P1,P2...Pn: Graustufen jedes Pixels im Filterfenster K1,K2...Kn: Gewichtungen (wie oben definiert) für jedes Pixel D: Dämpfungsfaktor LM: Lokaler Mittelwert des Filterfensters LV: Lokale Varianz des Filterfensters

Kuan-Filter

Der Kuan-Filter folgt einem ähnlichen Filterprozess wie der Lee-Filter beim Reduzieren des Fleckrauschens. Dieser Filter wendet auch einen räumlichen Filter in einem Bild an, wobei die Daten basierend auf lokalen Statistiken des zentrierten Pixelwertes basieren, der mit den benachbarten Pixeln berechnet wird. Der Kuan-Filter erfordert den Wert Anzahl von Looks, mit dem die Bildglättung gesteuert und die Rauschvarianz geschätzt wird. Verwenden Sie den Kuan-Filter, um Speckle zu reduzieren und gleichzeitig Kanten in Radarbildern beizubehalten.

Algorithmus für den Kuan-Filter

Algorithmus	Variablendefinitionen
Der gefilterte Pixelwert lautet: PC * K + LM * (1 - K) wobei gilt: CU = 1/Quadratwurzel (NLooks) CI = Quadratwurzel (LV)/LM K = (1 - ((CU * CU) / (CI * CI))) / (1 + (CU * CU))	PC: Mittlerer Pixelwert des Fensters K = Gewichtungsfunktion CU = Rauschvariationskoeffizient CI = Bildvariationskoeffizient LM: Lokaler Mittelwert des Filterfensters LV: Lokale Varianz des Filterfensters NLooks: Anzahl von Looks

Gamma MAP

Der Gamma MAP-Filter verwendet eine Maximum-a-posteriori-Methode (MAP), für die eine A-priori-Kenntnis der Wahrscheinlichkeitsdichtefunktion des Radarbildes erforderlich ist. Der Gamma MAP-Filter erfordert den Wert Anzahl von Looks, mit dem die Bildglättung gesteuert und die Rauschvarianz geschätzt wird.

Algorithmus	Variablendefinitionen
Der gefilterte Pixelwert hängt von bestimmten Bedingungen ab. Wenn CI < CU, dann PF = LM Wenn CU <= CI <= Cmax, dann PF = (K–NLooks-1)*L^M+Quadratwurzel((LM*LM)*((K-NLooks-1)*(K- NLooks-1))+4*K*NLooks*LM) Wenn CI > Cmax, dann PF = PC wobei gilt: CU = 1/Quadratwurzel (NLooks) Cmax = Quadratwurzel (2 * CU) CI = SD/LM K = (1 + (CU * CU)) / ((CI * CI) - (CU * CU))	PF: Gefilterter Pixelwert CI: Bildvariationskoeffizient CU: Rauschvariationskoeffizient LM: Lokaler Mittelwert des Filterfensters NLooks: Anzahl von Looks K: Gewichtungsfunktion SD: Standardabweichung des Filterfensters

Optimierter Lee-Filter

Der optimierte Lee-Filter ist eine optimierte Version des Lee-Filters, die das Speckle-Rauschen in der Nähe von Kanten reduziert und gleichzeitig die Kantenschärfe beibehält. Er wendet die Kantenerkennung bei einer konstanten Fenstergröße von 7x7 an. Innerhalb dieses 7x7-Fensters wird ein nicht-quadratisches Fenster verwendet, um die Richtung der Kanten anzupassen. Die verbleibenden Nicht-Kanten-Pixel in dem nicht-quadratischen Fenster werden für die Filterberechnung verwendet.

Algorithmus	Variablendefinitionen
Der gefilterte Pixelwert lautet: LM + K * (PC – LM) wobei gilt: K = ( LV - LM * LM * MV)/((1 + MV)*LV) MV = (SD / LM)^2	LM: Lokaler Mittelwert des Filterfensters K: Gewichtungsfunktion PC: Mittlerer Pixelwert des Fensters LV: Lokale Varianz des Filterfensters MV: Multiplikative Rauschvarianz SD: Standardabweichung des Filterfensters